自适应实验 — 自适应实验设计
- 提出者
- Abraham Wald (sequential analysis foundation); expanded by Robbins, Armitage, and others
- 年份
- 1940s–1970s (sequential foundations); formalised in clinical and behavioural research by 1980s–2000s
- 类型
- Experimental research design
- 类别
- Experimental design
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
自适应实验是一种实验设计,其中预先指定的规则允许根据累积的中间数据修改方案——例如,重新分配参与者到表现更好的组,因疗效或无效而提前终止,或更改样本量——同时保持统计有效性。自适应设计广泛应用于临床试验、行为经济学和在线平台测试,以提高效率和伦理水平,而不牺牲推断的严谨性。
方法背后的直觉
设想同时测试四种教学干预措施。传统实验会将所有四种都进行到完成,而不考虑早期结果。自适应实验则在结果累积过程中进行监测:如果在30%的受试者招募后,一组明显表现不佳,设计就可以将其资源转移走,同时继续比较剩余的组。这不是临时的修补——决策规则(何时以及如何调整)在研究开始前就已经确定,因此最终的统计分析仍然有效。其结果是更快得到答案,减少参与者暴露于较差条件下的时间,以及更明智地使用资源。
历史学
自适应实验的统计基础可以追溯到Abraham Wald的序贯分析(1947年)和Kiefer-Wolfowitz的随机逼近工作(1952年)。Herbert Robbins在1952年正式化了多臂赌博机问题,为反应自适应分配提供了一个框架。Peter Armitage在20世纪50-60年代开发了临床试验的序贯方法。分组序贯试验框架由Pocock(1977年)和O'Brien和Fleming(1979年)正式化。21世纪初监管兴趣加速,最终形成了FDA指南文件(2010年、2019年),为自适应临床试验奠定了框架。自适应设计现在也是科技公司在线实验平台的核心。
何时使用
当以下情况时,使用自适应实验:(1)中期数据在研究结束前可观察到,并能为设计调整提供信息;(2)对哪些治疗组最有前景存在真实的不确定性,使得在整个过程中保持固定的均等分配既浪费又不符合伦理;(3)样本量假设不确定,并且中期重新评估将提高功效。它在临床试验中最常见,但在在线A/B测试、行为科学和政策评估中也日益普及。当以下情况时,请勿使用自适应设计:结果仅在研究结束后才能观察到(没有有意义的中期数据);无法预先指定调整规则;或者监管或机构环境要求固定设计方法。自适应设计比固定设计需要更高的前期统计专业知识——如果团队无法将调整规则锁定在预先注册的方案中,则常规随机对照试验(RCT)更合适。
局限与注意事项
- 需要在收集数据前预先指定所有调整规则——任何偏离都会损害I类误差控制。
- 统计分析比固定设计复杂得多;需要专门的软件和专业知识。
- 如果盲法不完美,或者参与者或工作人员可以观察到调整,反应自适应随机化可能会引入操作偏差。
- 监管接受度各不相同;在临床环境中,必须在试验开始前与监管机构协商调整计划。
- 后勤复杂性增加——中期数据清理、独立监测和快速方案更新需要基础设施。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 提高效率——当早期结果具有信息量时,与固定设计相比,可能需要更少的参与者来得出相同的结论。
- 伦理优势——通过将分配从表现不佳的组转移,减少参与者暴露于较差条件下的时间。
- 灵活性——样本量重新评估可以防止因初始假设不确定而导致的功效不足或研究时间过长。
- 多组能力——支持无缝的II/III期或平台试验结构,这些结构会随着证据的累积而增加或删除组。
- 可以因压倒性的疗效或无效而提前终止,节省时间和资源。
应用
- 比较多种药物剂量或治疗组的临床试验,使用反应自适应随机化将分配转向表现更好的组。
- 在线平台A/B和多组测试,其中分配权重根据转化率或参与度结果近乎实时地更新。
- I/II期肿瘤试验中的剂量探索研究,其中设计根据观察到的毒性和疗效数据进行剂量升级或降级。
- 行为经济学现场实验,其中有前景的政策干预措施随着早期结果数据的累积而获得越来越多的分配。
- 教育干预研究,在中期样本量重新评估,当时基线效应大小估计不确定。
- 公共卫生紧急情况下的平台试验(例如,COVID-19治疗试验),随着候选治疗方法的可用而增加新的组。
使用方式
使用方式
在收集任何数据之前,研究者需要指定:主要估计量、调整规则(例如,反应自适应随机化权重、中期检查时间表、因疗效或无效而停止的边界)以及控制所有中期分析中的I类错误的方法。预先指定是不可协商的——计划外的中期更改会使推断保证失效。
在预先指定的一个或多个中期时间点,累积的结果数据由独立的监测委员会或自动化规则进行分析。中期分析严格遵循预先指定的决策规则——除了预先计划的内容外,不涉及研究者的自由裁量权。
基于中期结果,将应用允许的调整:组分配概率可以更新(反应自适应随机化),表现不佳的组可以被剔除,样本量可以重新估计,或者试验可以因早期成功或无效而提前终止。所有调整必须在方案中预先指定的范围内。
研究继续进行调整后的设计——可能具有不同的组权重、修改后的样本量或减少的组数——同时保持盲法和随机化完整性。已招募的参与者通常保留在原始分配下。
在最终观察后,主要分析使用考虑了设计自适应性质的方法(例如,条件错误率方法、贝叶斯后验摘要或分组序贯检验统计量)。点估计和置信区间必须根据自适应抽样路径进行调整,以避免因忽略数据序列性质而产生的偏差。
常见陷阱
- 计划外的调整——在研究中期以未包含在预先指定方案中的方式修改设计,会使I类误差控制失效,并可能被视为违反方案。
- 在最终分析中忽略自适应路径——在顺序调整后应用标准的固定设计检验会夸大I类错误率;始终使用考虑自适应结构的分析方法。
- 操作性揭盲——如果累积的分配概率对参与者或未盲法的工作人员可见,就会引入偏差;稳健的操作程序必须将调整决策与试验团队隔离开来。
- 过高估计效率增益——当中期信息强且调整规则校准良好时,自适应设计最有益;对于较弱的中期信号,增加的复杂性可能不值得。
- 假设自适应性可以弥补初始设计的不足——不良设定的主要结局或估计量不会因添加自适应特征而得到挽救。
常见问题
自适应实验是否等同于序贯试验?
序贯分析是基础统计框架;自适应实验是一个更广泛的类别,包括序贯停止规则,但也涵盖了反应自适应随机化、组剔除和样本量重新估计。所有序贯试验在某种最小意义上都是自适应的,但并非所有自适应设计都仅限于提前停止。
如何控制多项中期分析的I类错误率?
预先指定中期检查时间表,并使用多重性调整的停止边界方法,如O'Brien-Fleming或Pocock边界,或alpha-spending函数方法(Lan-DeMets)。对于贝叶斯自适应设计,通过模拟校准决策阈值,在试验开始前达到所需的频率学操作特征。
我可以在临床试验以外的社会科学研究中使用自适应设计吗?
是的。反应自适应随机化、多臂赌博机算法和分组序贯停止规则已应用于教育研究、行为经济学和在线实验。关键要求保持不变:必须预先指定调整规则,并且最终分析必须考虑自适应抽样路径。
我需要多少样本量?
样本量取决于具体的调整策略、主要估计量、中期检查时间表和所需的功效。由于最终样本量本身可能是一个自适应量(在样本量重新评估设计中),通常需要基于模拟的功效分析,而不是标准的封闭式公式。
自适应设计是否需要监管部门的预先批准?
在受管制的临床试验(药物、器械、生物制品)中,是的——必须在研究开始前与相关监管机构(FDA、EMA等)就自适应设计计划达成一致。在非监管研究环境中,没有正式的批准要求,但强烈建议在公共注册表(例如,ClinicalTrials.gov、AsPredicted、OSF)中预先注册调整规则,以确保透明度和可重复性。
相关方法
参考文献
Chow, S. C., & Chang, M. (2008). Adaptive Design Methods in Clinical Trials. Chapman and Hall/CRC.
ISBN:978-1584886761已复制。U.S. Food and Drug Administration. (2019). Adaptive Designs for Clinical Trials of Drugs and Biologics: Guidance for Industry. FDA.
打开出版物文献已复制。